Dalam bab-bab sebelumnya, model yang dipelajari merupakan model yang memiliki parameter
dan variabel yang berbentuk linear (garis lurus). Keuntungan menggunakan model linear adalah
modelnya sangat sederhana sehingga mudah untuk dianalisis. Meski demikian, terdapat
kelemahan dari model linear yaitu sulit untuk menginterpretasikan intersep yang terkadang tidak
sesuai dengan substansi permasalahan. Apabila tidak hati-hati dapat mengakibatkan interpretasi
tidak sesuai dengan kondisi sesungguhnya.
Misalkan dapat diambil contoh dari aplikasi model regresi linear terdahulu yang membahas
hubungan antara pendapatan dan tabungan. Persamaan model regresi linear sederhana sebagai
berikut:
Model regresi linear di atas memiliki kelemahan mendasar dalam menginterpretasikan intercept
(β1). Dapatkah dinyatakan bahwa apabila pendapatan per kapita bernilai nol maka tabungan
masyarakat sebesar β1 rupiah? Tentu saja hal tersebut merupakan kondisi yang tidak normal atau
tidak sesuai dengan kondisi sesungguhnya. Pada kondisi normal, pendapatan tidak mungkin
bernilai nol dan secara rasional masyarakat tidak mungkin menabung dengan pendapatan sebesar
nilai nol. Dalam kasus tersebut, bukan berarti intercept tidak dapat diinterpretasikan. Intercept (β1)
tetap dapat diinterpretasikan dengan menyatakan bahwa jika pendapatan rendah maka capaian
tabungan masyarakat sekitar β1 rupiah.
Mencermati kelemahan yang dimiliki regresi linear maka pada bagian ini akan dipelajari bentuk-
bentuk fungsi model regresi yang diharapkan mampu menutupi kelemahan regresi linear. Pada
dasarnya, model fungsional yang akan dipelajari adalah model dengan parameter dan variabel
yang tidak linear dan sangat sulit untuk dianalisis namun, dengan teknik transformasi logaritma
kesulitan yang dihadapi biasanya dapat diatasi.
Terdapat beberapa bentuk fungsional dalam model regresi namun pada bagian ini hanya akan
dijelaskan dua jenis bentuk-bentuk fungsional dari model regresi, yaitu:
1. Model log-log (double log/elastisitas konstan)
2. Model Semi-log, yang terdiri dari:
a. Model log-lin
b. Model lin-log
1. Model Log-Log
Model log-log atau sering juga disebut model double log atau model elastisitas konstan
merupakan salah satu hasil transformasi dari suatu model tidak linear menjadi model linear
dengan cara membuat model dalam bentuk logaritma. Untuk memudahkan pemahaman, akan
digunakan pendekatan empiris untuk menjabarkan proses transformasi sebagai berikut:
Menurut suatu teori ekonomi, hubungan antara kuantitas yang diminta dan harga suatu komoditas
mempunyai bentuk sebagai berikut:
Artinya, bila X (harga) naik sebesar 1%, maka Y (komoditas yang diminta) akan turun sebanyak
β2% (β2 < 0). Dengan kalimat lain, bila harga komoditas naik sebesar 1%, maka permintaan
terhadap komoditas tersebut akan turun sebesar β2 %.
Meski demikian, model log-log memiliki kelemahan di antaranya bahwa model log-log tidak
dapat dibentuk dari data yang mempunyai nilai nol atau minus. Karena ketika ditransformasi ke
bentuk logaritma, maka nilai nol atau minus akan menjadi tak terhingga. Mungkin pengolahan
dengan komputer tetap akan mengeluarkan hasil namun hasilnya tidak dapat
dipertanggungjawabkan kebenarannya.
Persamaan (3) merupakan model dengan parameter linear sehingga estimasi dapat dilakukan
dengan OLS. Pada model ini, interpretasi koefisien slope β1 merupakan rasio antara perubahan
relatif variabel terikat (Y) terhadap perubahan absolut variabel bebas (X), yang dituliskan sebagai
berikut:
2. Model lin-log, yaitu suatu model di mana variabel Y dalam bentuk linear sedangkan variabel X
berbentuk logaritma.